1.2 迭代 · Iteration with purrr
1.2 迭代 · Iteration with purrr
本章目标
完成本章后，你能够：
- recognize 哪些迭代 R 已「免费」提供（向量化、
group_by()），哪些需要显式迭代 - write 用
map()家族替代复制粘贴，按输出类型选对变体，并用\(x)/~ .x写匿名函数 - predict
map2()/pmap()多输入迭代时参数如何配对、结果长什么样 - design 用
across()+.names对数据框多列做统一变换，并装进函数 - harden 用
possibly()/safely()包住易失败操作，批量任务不因一处失败全灭
前置自测（≤5 分钟）
能独立完成以下两问再继续；否则先回补 1.1 Writing Functions（tidyverse 入门要求）：
- 写函数
se(x)：返回数值向量的标准误（sd()除以非缺失个数平方根，忽略NA）。 - 不运行，说出
map(1:3, \(x) x^2)的返回类型与内容。
1. 为什么 for 循环在 R 里「有味道」
看一段真实风格的多文件读取：
data_2011 <- readr::read_csv("data/survey_2011.csv")
data_2012 <- readr::read_csv("data/survey_2012.csv")
data_2013 <- readr::read_csv("data/survey_2012.csv") # ← 经典工伤
data_2014 <- readr::read_csv("data/survey_2014.csv")
all <- dplyr::bind_rows(data_2011, data_2012, data_2013, data_2014)第三行读的是 2012 的文件——不报错、不警告，数据悄悄错了两年。for 循环 本身没错，但它把做什么（what）埋进怎么做（how）：预分配、下标、累加 变量抢走了意图的戏份。R 是函数式编程（functional programming）语言： 把「做什么」打包成函数，交给迭代器。
你早已在免费使用迭代：2 * nums、group_by() + summarise()、 facet_wrap() 都是。「还需要自己写循环吗」——本章给出一套判断标准。
我淘汰 for 循环的理由不是「慢」（map() 通常并不更快），而是它把三行意图 写成八行机械。迭代逻辑简单时用 map；运行状态复杂时，for 是诚实的（§6）。
2. map() 家族与匿名函数：\(x) 还是 ~ .x？
map(x, f) 对 x 的每个元素调用 f，返回与 x 等长的列表。不需要列表时，选类型化变体：
| 函数 | 返回 | 适用 |
|---|---|---|
map() |
列表 | 结果结构不一（模型、图、数据框） |
map_dbl() map_int() map_chr() map_lgl() |
原子向量 | 每次恰返回一个数/整数/字符串/逻辑值 |
map_dfr() |
数据框（按行合并） | 旧代码常见；新代码写 map() \|> list_rbind() |
library(tidyverse)
numbers <- list(1:5, c(2, 4, NA), c(10, 20))
map(numbers, mean) # 列表；含 NA 就得 NA
map_dbl(numbers, \(x) mean(x, na.rm = TRUE)) # 匿名函数：R >= 4.1 原生写法
map_dbl(numbers, ~ mean(.x, na.rm = TRUE)) # purrr 公式写法（.x .y）
map_int(numbers, length) # 每个元素多长传给 map() 的常常是匿名函数（anonymous function，又称 lambda）——用完 即弃，不起名字。\() 是 R 4.1 起的原生写法，全 R 通用；~ .x 是 purrr 的 公式简写（formula shorthand）。读旧代码必须认识 ~ .x，写新代码统一用 \()。
map(numbers, mean()) 立刻报错——你要交出函数本身，让 map() 去调用它。同族错误：map_dbl(x, range) 也会炸——range() 返回长度 2，而类型化变体要求每个元素恰好产出一个值。
~ mean(.x) 只在 purrr/tidyverse 函数里有效——塞给 lapply() 会原样收到一个公式对象而不是函数。
3. 多个输入一起走：map2() 与 pmap()
一个向量不够用？map2() 并行迭代两个，pmap() 迭代一个命名列表：
mu <- c(0, 5, 10); sigma <- c(1, 2, 3)
map2(mu, sigma, \(m, s) rnorm(3, mean = m, sd = s))
# pmap 按名字配对：列表名 = 函数参数名
specs <- list(n = c(30, 60, 90), mean = c(0, 5, 10))
specs |> pmap(\(n, mean) rnorm(n, mean)) |> map_dbl(mean)关键直觉：数据框就是命名列表，所以 pmap(df, f) = 逐行迭代——把每行当作一组命名参数交给 f。
map2() 要求输入等长，或其中一个输入长度为 1（此时会重循环）。 长度 2 与 3 等不兼容组合会直接报错，不会静默按较长输入重循环。 若业务要求严格一一配对，先 stopifnot(length(a) == length(b))。
先笔算再运行；然后解释把 c(2, 3) 换成 c(2, 3, 4) 后发生了什么：
map2_chr(c("Adelie", "Gentoo"), c(2, 3), \(s, n) str_c(rep(s, n), collapse = "-"))4. 迭代数据框的列：across()
dplyr 内建了一个「列上的 map」：across()，专答「同一件事对很多列各做一遍」：
se <- \(x) sd(x, na.rm = TRUE) / sqrt(sum(!is.na(x)))
palmerpenguins::penguins |>
group_by(species) |>
summarise(across(ends_with("mm"), list(mean = \(x) mean(x, na.rm = TRUE), se = se),
.names = "{.fn}_{.col}"))三个旋钮：.cols 用 select() 语法选列（ends_with()、where(is.numeric)…）； .fns 传函数不带括号，多个函数装进命名列表；.names 胶水串控制输出列名。
mutate(across(ends_with("mm"), to_z)) 会直接覆盖原列——原始测量值 无声消失。在 mutate() 里请养成写 .names = "z_{.col}" 的肌肉记忆。
把 across() 装进自己的函数（1.1 的 { } 在此汇合）：
my_summary <- function(df, cols = where(is.numeric)) {
df |> summarise(across({{ cols }}, list(mean = \(x) mean(x, na.rm = TRUE))), .groups = "drop")
}
palmerpenguins::penguins |> group_by(species) |> my_summary(ends_with("mm"))5. 只要副作用：walk() 族
保存文件、画图、打印——这些调用不是为了返回值，是为了副作用（side effects）。 此时用 walk()，宣告「我在乎动作，不在乎结果」：
penguins <- palmerpenguins::penguins
plots <- split(penguins, penguins$species) |>
map(\(d) ggplot(d, aes(bill_length_mm, body_mass_g)) + geom_point())
fs::dir_create("plots")
iwalk(plots, \(p, name) ggsave(fs::path("plots", paste0(name, ".png")), p))walk() 原样（不可见地）返回输入，方便接管道；iwalk() 额外把元素名字传给函数，天然适合生成文件名。
map() 的契约是：每次调用互不干扰、不共享状态——守约的代码可以随便并行/重跑， 这正是 for 循环里「累加变量满天飞」给不了的性质。
6. 失败不该炸队：possibly() 与 safely()
批量读 30 个文件，第 7 个损坏——map() 直接停摆，前 6 个的成果全丢。副词 （adverb）函数改造动词：possibly() 给垫底值继续走，safely() 把「结果 或错误」成对收回供你审计：
read_raw <- \(path) readr::read_csv(path, show_col_types = FALSE)
paths <- c(fs::dir_ls("data/survey"), "data/survey/2099.csv") # 混入不存在的
possibly_read <- possibly(read_raw, otherwise = NULL)
dfs <- map(paths, possibly_read) |> keep(\(x) !is.null(x))
survey <- list_rbind(dfs) # 好文件一个不落
safe_read <- safely(read_raw) # 想知道谁失败了？
map(paths, safe_read) |> keep(\(r) !is.null(r$error)) |> map_chr(\(r) r$error$message)possibly() 适合「失败就用默认值顶上」；safely() 适合「失败必须记账」。
possibly() 会把所有错误换成垫底值，包括你其实必须知道的逻辑错。 原则：外部世界的失败（文件缺失、网络超时）可以 possibly；自己代码的 bug 不许。
最后给 for 循环正名，以下场景它是诚实的工具：① 后一步依赖前一步的累积 状态（滚动预测、MCMC）；② 迭代次数由运行时条件决定（while）；③ 正在调试， 需要逐迭代看状态。其余情况，先想向量化，再想 map。
复制 §4 的 across() 代码，把两个统计函数换成 median 与 mad（都带 na.rm = TRUE），让 .names = "med_of_{.col}"。先笔答输出有哪几列， 再运行验证，把「预测 vs 实际」写成三行注释。
把 §6 改造成函数 read_survey(dir, pattern = ".csv$")：返回「成功合并的 数据框」，并报告被跳过的文件名与原因。在 tempdir() 里自造 3 个好 CSV + 1 个不存在的路径当测试集，要求成功 3、报告 1（提示：safely() + map_chr()）。
第一轮（禁用 AI）：仅凭本章 + ?pmap，写 simulate_groups(specs)： 输入命名列表 specs（含 n、mean、sd、label），用 pmap() 生成各组 正态数据、合并成带 label 列的 tibble，并用 iwalk() 给每组存一张 label.png 散点图。第二轮（开放 AI）：把代码贴给 Posit Assistant， 只问：「哪些环节出错会让整批任务失败？」补上容错，记录 AI 指出而你漏掉的一处。
Capstone · 压轴项目
任务：「月度航班质检流水线」。把 nycflights13::flights 按月拆分，每月： ① 产出质量 tibble（行数、dep_delay 缺失率、取消率）；② 存一张延误分布 直方图（walk() 族）；合并 12 个月质量表并渲染 Quarto 报告。必须演示容错： 故意放一个「坏月」，流水线照常完成并报告失败原因。
| 维度 | 达到 | 良好 | 卓越 |
|---|---|---|---|
| 迭代设计 | 用 map/walk 完成拆分、统计、存图 | map 变体与返回类型选择全部正确 | pmap()/across() 恰当压缩重复，函数化可换数据集 |
| 健壮性 | 单月失败不中断 | 失败月有名有因的报表 | possibly 与 safely 的分工有书面理由 |
| 正确性 | 数字与 group_by 直算一致 |
关键输出先笔答预测再验证 | 指出并修复一处自己的下标/回收隐患 |
| 表达 | 报告完整 | 流程一图讲清 | 提炼个人「map 还是 for」判断规则 |
SOURCES · 来源映射
| 讲义节 | 素材 | 性质 |
|---|---|---|
| §1–§3、§6 结构与练习（map 家族、并行迭代、adverbs 容错、「读错年份文件」动机） | posit::conf(2025) r-programming 04-iteration-02.qmd（Emma Rand, Garrett Grolemund, Ian Lyttle · CC-BY-SA 4.0） |
改编 |
§4 across() 三旋钮与函数化 |
同上 03-iteration-01.qmd |
改编 |
| walk 存图练习、月度航班 capstone、rubric | 本项目 | 原创 |
本章以 CC-BY-SA 4.0 发布。